有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
UAV-CD|无人机图像数据集|变化检测数据集
收藏github2024-08-26 更新2024-09-06 收录
下载链接：
https://github.com/yikuizhai/UAV-CD
下载链接
链接失效反馈资源简介：
UAV-CD数据集包含2,660对768×768像素的无人机光学图像，空间分辨率为0.06米。数据集主要涉及建筑物的增加和拆除，并进一步通过增加土地变化来丰富样本的多样性。
创建时间：
2024-08-26
原始信息汇总
UAV-CD 数据集
简介
- 数据来源：广东省的光学图像。
- 标注方法：手动标注，由遥感图像专家进行标注，确保数据质量。
- 图像数量：包含2,660对768 × 768像素的无人机光学图像。
- 空间分辨率：0.06米。
- 主要变化类型：建筑物的增加和拆除。
- 样本多样性：在UAV-BCD数据集的基础上，增加了土地变化样本，样本数量从2024增加到2660。
数据集下载
- 下载链接：[https://pan.baidu.com/s/1H5lO1HwZKfBpv3kx0cPf3A?pwd=jr5l]
引用
- 引用信息：请在研究中引用该论文（论文将在2024年IEEE国际地球科学与遥感研讨会（IGARSS）上发表，引用信息将在论文可获取时更新）。
AI搜集汇总
数据集介绍
构建方式
UAV-CD数据集的构建基于广东省的光学图像采集，通过无人机（UAV）获取了2,660对768 × 768像素的图像，空间分辨率为0.06米。数据标注采用人工标注方法，由具备全面理解变化检测任务的遥感图像专家进行，确保了标注的高质量。该数据集不仅涵盖了建筑物的增减变化，还扩展了土地变化样本，从而丰富了样本的多样性。
特点
UAV-CD数据集的主要特点在于其高分辨率的光学图像和多样化的样本内容。每对图像均由无人机在相近时间内拍摄，确保了时间上的连续性。此外，数据集的标注由专业遥感专家完成，保证了标注的准确性和可靠性。通过扩展土地变化样本，UAV-CD进一步提升了数据集的应用广度。
使用方法
UAV-CD数据集适用于多种遥感图像变化检测任务，特别是建筑物和土地变化检测。用户可以通过访问提供的链接下载数据集，并结合相关文献中的算法进行模型训练和验证。数据集的高分辨率和专业标注使其成为研究遥感图像变化检测的理想选择，尤其适用于需要高精度检测的应用场景。
背景与挑战
背景概述
UAV-CD数据集是由中国广东省的光学图像构建而成，主要研究人员包括T. Xian和J. Pan等，隶属于IEEE国际地球科学与遥感研讨会（IGARSS）。该数据集的核心研究问题集中在遥感图像的变化检测，特别是通过无人机（UAV）获取的高分辨率图像来识别建筑物的增减。UAV-CD数据集包含了2,660对768 × 768像素的UAV光学图像，空间分辨率为0.06米，通过专家手动标注确保数据质量。这一数据集不仅丰富了样本的多样性，还扩展了样本规模，从2,024对增加到2,660对，涵盖了土地变化和建筑变化。
当前挑战
UAV-CD数据集在构建过程中面临多项挑战。首先，高分辨率图像的获取和处理对计算资源和存储空间提出了高要求。其次，手动标注过程依赖于遥感图像专家，这不仅增加了成本，还可能引入人为误差。此外，数据集的多样性和规模扩展带来了样本一致性和标注准确性的挑战。在应用层面，如何有效利用这些高分辨率图像进行变化检测，尤其是在复杂环境下的建筑物变化识别，是当前研究的主要难题。
常用场景
经典使用场景
在遥感图像分析领域，UAV-CD数据集以其高分辨率的光学图像和详尽的标注成为研究建筑变化检测的经典资源。该数据集包含了2,660对768 × 768像素的无人机光学图像，空间分辨率为0.06米，主要涵盖建筑物的增建和拆除。通过这些图像，研究人员可以开发和验证各种变化检测算法，特别是在建筑变化监测方面，UAV-CD数据集提供了丰富的样本和高质量的标注，极大地推动了相关技术的进步。
衍生相关工作
基于UAV-CD数据集，研究者们开发了多种先进的遥感图像变化检测算法。例如，SCALE-TEMPORAL INTERACTION NETWORK和MSFA-Net等网络模型，通过利用数据集中的高分辨率图像和详细标注，显著提升了变化检测的准确性和效率。这些衍生工作不仅在学术界引起了广泛关注，也在实际应用中展示了其强大的性能，推动了遥感图像分析技术的发展。
数据集最近研究
最新研究方向
在遥感图像变化检测领域，UAV-CD数据集的最新研究方向主要集中在开发先进的深度学习模型，以提升变化检测的准确性和效率。例如，A SCALE-TEMPORAL INTERACTION NETWORK被提出，通过时间与尺度的交互机制，增强了对遥感图像中复杂变化的识别能力。此外，MSFA-Net通过多空间-通道特征聚合网络，进一步优化了特征提取过程，显著提高了模型在处理高分辨率无人机图像时的鲁棒性和精确度。这些研究不仅推动了遥感技术的进步，也为城市规划、灾害监测等领域提供了更为精准的数据支持。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
UAVDT
UAVDT是一个用于目标检测任务的数据集。
github 收录
BBGRE
The Brain & Body Genetic Resource Exchange (BBGRE) provides a resource for investigating the genetic basis of neurodisability. It combines phenotype information from patients with neurodevelopmental and behavioural problems with clinical genetic data, and displays this information on the human genome map.
国家生物信息中心 收录
Nexdata/chinese_dialect
该数据集包含25,000小时的中文方言语音数据，收集自多个方言区域的本地方言使用者，涵盖闽南语、粤语、四川话、河南话、东北话、上海话、维吾尔语和藏语等。数据格式为16kHz、16bit、未压缩的wav文件，单声道。句子准确率超过95%。数据集支持的任务包括自动语音识别（ASR）和音频说话人识别。
hugging_face 收录
中国1km分辨率逐月降水量数据集（1901-2024）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2024.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录